APP下载

一种通信网络业务流异常实时侦测方法

2016-02-17孟凡博赵宏昊

东北电力技术 2016年12期
关键词:模态经验特征

孟凡博,赵宏昊,卢 斌

(国网辽宁省电力有限公司,辽宁 沈阳 110006)

一种通信网络业务流异常实时侦测方法

孟凡博,赵宏昊,卢 斌

(国网辽宁省电力有限公司,辽宁 沈阳 110006)

随着网络技术的快速发展,新的应用类型迅速产生,同时网络流量也呈指数增长,这带来了网络流量异常检测的新挑战。提出了一种快速检测网络流量异常的新方法,将网络流量视为一个时间信号的序列,将其构造成一个流量矩阵。对流量矩阵进行主成分分解,再分别对这两部分进行经验模态分解,得出快速异常检测算法。仿真结果表明,这种方法是可行的。

端到端网络流量;异常检测;主成分分析;经验模态分解

网络流量异常对网络性能和用户体验质量有很大的影响,因此,网络流量异常检测在当前的网络运营中具有非常重要的意义,并且成为了一个非常重要的研究课题,同时也引起了学术界和产业界的广泛关注[1]。如何有效地检测和诊断网络流量中的异常成分将会是一项巨大的挑战,通过对异常网络流量的检测,网络管理者需要对网络采取主动防御措施。

网络流量异常检测已经获得广泛研究,时-频域方法被用来发现网络流量的异常部分,该方法能得到相当准确的检测结果;信息度量标准和经验模态分解方法也用来识别网络流量异常;基于参数的检测方法被提出来侦测网络流量中的异常分量;周期性特征被用来提取自相似网络流量中的异常特征,该方法基于网络流量的自相似性,将网络流量描述为周期信号来刻画网络流量内在特征[2]。……

登录APP查看全文

猜你喜欢

模态经验特征
2021年第20期“最值得推广的经验”评选
如何表达“特征”
不忠诚的四个特征
经验
2018年第20期“最值得推广的经验”评选
当你遇见了“零经验”的他
基于HHT和Prony算法的电力系统低频振荡模态识别
由单个模态构造对称简支梁的抗弯刚度
线性代数的应用特征
多模态话语模态的协同及在外语教学中的体现